如何解析DataFrame中的复杂日期格式并计算日期差值？

别用手动拆分的方法了，不仅麻烦还容易出错，直接用pandas的pd.to_datetime()就能完美解决你的问题，步骤如下：

1. 解析日期列 #

你的日期格式是Mon, Apr 1, 2024, 09:09:48 PM，可以直接指定格式字符串让pd.to_datetime()精准解析，避免自动识别的不确定性：

import pandas as pd

# 替换成你的DataFrame名称
df['创建日期'] = pd.to_datetime(df['Date created'], format="%a, %b %d, %Y, %I:%M:%S %p")
df['修改日期'] = pd.to_datetime(df['Date modified'], format="%a, %b %d, %Y, %I:%M:%S %p")

格式字符串的含义：

• %a：星期缩写（如Mon、Tue）
• %b：月份缩写（如Apr、May）
• %d：日期（支持1位或2位数字）
• %Y：4位年份
• %I：12小时制的小时数
• %M：分钟
• %S：秒
• %p：AM/PM标识

2. 计算天数差 #

日期列解析成datetime类型后，直接做减法，再提取整数天数即可：

df['天数差'] = (df['修改日期'] - df['创建日期']).dt.days

得到的天数差列就是你要的“xx天”结果。

为什么不推荐手动拆分？ #

手动用str.split()拆分后，还要自己处理月份缩写转数字、AM/PM转24小时制、日期补零等细节，步骤繁琐且容易遗漏边缘情况（比如日期是10号、月份是Dec这类缩写），完全没必要重复造轮子。

内容的提问来源于stack exchange，提问作者SK123